지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
논문 기본 정보
- 자료유형
- 학위논문
- 저자정보
- 지도교수
- 서명석
- 발행연도
- 2018
- 저작권
- 공주대학교 논문은 저작권에 의해 보호받습니다.
이용수4
이 논문의 연구 히스토리 (3)
2022
- 이 논문의 후속연구가 궁금하신가요?
- 연관 학술논문 또는 학술발표를 통해 보다 발전된 연구결과를 확인하실 수 있습니다.
- 이 논문의 연구 히스토리 확인하기
초록· 키워드
오류제보하기
This paper evaluates precipitation forecast skill of a global numerical weather prediction model (GNWPM) over South Korea in a boreal winter from December 2013 to February 2014. Three types of precipitation are classified based on development mechanism: 1) convection type (C type), 2) low pressure type (L type), and 3) orographic type (O type), in which their frequencies are 44.4%, 25.0%, and 30.6%, respectively. In December 2013, C type was dominant (76.0%), and O type (57.7%) in February 2014. It appears that the model significantly overestimates precipitation occurrence (0.1 mm d-1) for all types of winter precipitation, especially 2~3 times for C and O types. Objective measured skill scores of GNWPM are comparably high for L type and O type. Except for precipitation occurrence, the model shows high predictability for L type precipitation with the most unbiased prediction. It also shows that prediction skill for L type and O type is comparably high. It is noted that ETS (Equitable Threat Score) is inappropriate for measuring rare events due to its high dependency on the sample size, as in the case of CSI (Critical Success Index) as well. The SEDS (Symmetric Extreme Dependency Score) demonstrates less sensitivity on the number of samples. Thus, SEDS is used for the evaluation of prediction skill to supplement the limit of ETS. The evaluation via SEDS shows that the prediction skill score for L type is the highest in the range of 5.0, 10.0 mm d-1 and the score for O type is the highest in the range of 1.0, 20.0 mm d-1. C type has the lowest scores in overall range.
Key words: Classification of precipitation, Verification, the Korean Peninsula, numerical weather prediction, Winter precipitation
Key words: Classification of precipitation, Verification, the Korean Peninsula, numerical weather prediction, Winter precipitation
목차
목 차1. 서론.................................................................................12. 본론.................................................................................32.1 자료 및 방법………………………………….………………………32.1.1 강수 예측 성능 검증 방법………………………………………..32.1.2 분석일기도, 위성 영상 및 AWS 강수 분포……………………42.1.3 수치예보모델...........................................................................42.1.4 강수 관측자료..........................................................................52.2 한반도 겨울철 강수 유형 분류…………………………………….62.2.1 겨울철 강수 유형 분류 방법………………………………………62.2.2 2013 ~ 2014년 겨울철 강수 유형 분류...................................72.3 수치모델의 강수 유형별 강수 예측성 검증..............................82.3.1 일강수량 산포도 분석...............................................................82.3.2 정량 지수를 이용한 강수 예측성 검증.....................................92.3.3 Performance diagram 분석……………………………………………122.3.4 강수 유형별 대표사례 분석………………………………………..133. 결론…………………………………………………………….14참고문헌.......................................................................................................17Abstract…………………………………………………………………………....31감사의 글…………………………………………………………………………....32
최근 본 자료
댓글(0)
0